Öğrencilerin Staj Verileri Üzerine Uygulanan Apriori Algoritması ile Birliktelik Kurallarının Çıkarılması ve Staj Eğiliminin Belirlenmesi

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Öğrencilerin Staj Verileri Üzerine Uygulanan Apriori Algoritması ile Birliktelik Kurallarının Çıkarılması ve Staj Eğiliminin Belirlenmesi"

Transkript

1 1086 Öğrencilerin Staj Verileri Üzerine Uygulanan Apriori Algoritması ile Birliktelik Kurallarının Çıkarılması ve Staj Eğiliminin Belirlenmesi *1 Mehmet Taş, 2 M. Fatih Adak, 2 Nilüfer Yurtay *1 Endüstri Mühendisliği Bölümü, Mühendislik Fakültesi, Sakarya Üniversitesi 2 Bilgisayar Mühendisliği Bölümü, Bilgisayar ve Bilişim Bilimleri Fakültesi, Sakarya Üniversitesi Özet Bu çalışmada Sakarya Üniversitesi Bilgisayar ve Bilişim Bilimleri Fakültesi Bilgisayar Mühendisliği Bölümü nde öğrenim görmüş/gören öğrencilerin yılları arasındaki zorunlu donanım ve yazılım stajı kayıtları kullanılarak bölüm öğrencilerinin staj eğilimleri belirlenmeye çalışılmıştır. Çalışmada veri madenciliği literatüründe kabul görmüş bir süreç olan CRISP-DM Metodolojisinden yararlanılmış; SPSS Clementine veri madenciliği programının Apriori algoritması aracı ile ilgili veriler üzerinde birliktelik kuralları analizi gerçekleştirilmiştir. Elde edilen bulgulardan, bölüm staj sorumlularına, staj yapan bölüm öğrencileri ile ilgili bilgiler verilmeye çalışılarak staj etkinliğini arttırmaya ve bölüm staj politikasını iyileştirmeye yönelik kararlar almalarında destek sağlanmıştır. Anahtar kelimeler: veri madenciliği, birliktelik kuralları, apriori algoritması Abstract In this study, hardware and software internships data of Computer Engineering students in Sakarya University between the years , have been used to determine students trends and achievements in internships. The Apriori algorithm that accepted in data mining literature was used by SPSS Clementine tool which is from CRISP-DM methodology. As a result of Apriori algorithm association rules have been obtained. The obtained results could provide efficiency in internships to whose responsible from internships at the department. Key words: data mining, association rules, apriori algorithm 1. Giriş Her geçen gün artmaya devam eden ve veri tabanlarında saklanan dijital veriler, bu verilerden en etkin ve verimli şekilde faydalanma isteğini de beraberinde getirmektedir. Bu istek, Veri Tabanlarında Bilgi Keşfi (VTBK) başlığı altında toplanan çalışmalara sebep olmuştur. VTBK farklı kısımlardan oluşan bir süreçtir. Veri Madenciliği bu sürecin model kurma ve değerlendirme aşamalarını kapsamaktadır (Erpolat, 2012). Basit bir tanım yapmak gerekirse, veri madenciliği, büyük ölçekli veriler arasından değeri olan bir bilgiyi elde etme işidir. Bu sayede veriler arasındaki ilişkileri ortaya koymak ve gerektiğinde ileriye yönelik tahminlerde bulunmak mümkün görülmektedir (Özkan, 2008). *Corresponding author: Adres: Endüstri Mühendisliği Bölümü, Mühendislik Fakültesi, Sakarya Üniversitesi, 54187, Sakarya TÜRKİYE. adres: Phone: Mail Adr: M. Tas M. F. Adak N. Yurtay

2 1087 Bir arada gerçekleşen olayları analiz etmek veri madenciliğinin kapsamı içine girmektedir. Olayların birlikte gerçekleşme durumlarını çözümleyen veri madenciliği yöntemlerine birliktelik kuralları adı verilmektedir (Özkan, 2008). Birliktelik kuralları bir arada sık olarak görülen ilişkilerin ortaya çıkarılmasını ve özetlenmesini sağlamaktadır. Veri madenciliğinin en önemli fonksiyonlarından birisi kural çıkarmadır. Geçmiş verilerin yakın gelecekte de geçerli olacağı varsayımı ile hareket ettiğimizde, geçmiş verilerden elde edilen kurallar gelecek için doğru yapmamızı kolaylaştıracaktır (Alpaydın, 2000). Kural çıkarmak amacıyla geliştirilmiş farklı yöntemler bulunmaktadır. Apriori algoritması bunlardan biri olup, veri madenciliğinde sık tekrarlanan öğeleri keşfetmek için kullanılan en temel yöntemdir. Apriori Algoritmasının kullanıldığı bu çalışmada Sakarya Üniversitesi Bilgisayar ve Bilişim Bilimleri Fakültesi Bilgisayar Mühendisliği Bölümü öğrencilerine ait zorunlu donanım ve yazılım stajı verileri kullanılarak öğrencileri staj eğilimleri belirlenmeye çalışılmıştır. Elde edilen bulgulardan, bölüm staj sorumlularına, staj yapan bölüm öğrencileri ile ilgili bilgiler verilmeye çalışılarak staj etkinliğini arttırmaya ve bölüm staj politikasını iyileştirmeye yönelik kararlar almalarında destek sağlanmıştır Önceki çalışmalar Veri madenciliğinin günümüzde yaygın bir kullanım alanı bulunmaktadır. Ülkemizde eğitim alanında birliktelik kuralı algoritmaları uygulanarak gerçekleştirilmiş veri madenciliği çalışmaları incelendiğinde, yapılan bir çalışma üniversitede okumakta olan lisans öğrencilerinin eğitim amacıyla internet kullanımlarının içerdiği gizli veya açık örüntüleri, veri madenciliği yöntemleriyle tespit etmeye yöneliktir. Kaynak teşkil eden verilere üç adet veri madenciliği algoritması (karar ağaçları, kümeleme ve birliktelik kuralları) uygulanmış öğrencilerin eğitimsel amaçlar için internet kullanmalarına yönelik davranış ve düşüncelerinde sık görülen örüntüler bulunmuştur (Bozkır, vd., 2008). Yapılan diğer bir çalışmada apriori algoritması kullanarak, öğrencilerin başarı durumlarını tespit etmek amacıyla öncelikle, Apriori algoritmasını kullanan bir Matlab programı hazırlanmıştır. Sonra bu program, üniversite öğrencilerinin birinci ve ikinci sınıfta aldıkları genel kültür derslerine ait notlara uygulanarak bu derslerdeki başarı durumları tespit edilmiş ve buradan elde edilen kurallar irdelenmiştir (Karabatak ve İnce, 2004). Başka bir çalışmada Selçuk Üniversitesi nde kullanılan Öğrenci İşleri Otomasyonundan elde edilen veriler üzerinden gelecekle ilgili plan yapılabilmesi için anlamlı bilgiler çıkarılmıştır. Bu bilgiler sayesinde üniversiteyi yeni kazanan bir öğrencinin, üniversitedeki başarısına etki eden etmenler göz önüne çıkarılmıştır (İnan, 2003). Diğer bir çalışmada ise ÖSS verilerine karar ağaçları ve birliktelik kuralları yöntemleri uygulanarak öğrencilerin tercih profilleri ortaya konulmaya çalışılmıştır (Dolgun, vd., 2007). Bir başka çalışmada öğrencilerin okullarındaki rehberlik servisinden aldıkları hizmetlerin, not ortalamaları, düzenli çalışma alışkanlıkları, aile durumu gibi bilgiler dikkate alınarak nasıl bir dağılım gösterdiği, verilen hizmetlerin diğer kriterler arasında nasıl ilişkiler olduğu ve bu kriterler arasında ne gibi kuralların bulunduğu tespit edilmeye çalışılmıştır (Sönmez, 2012).

3 Veri Madenciliği Veri madenciliği, büyük hacimli veri yığınları içerisinden karar alabilmek için potansiyel olarak faydalı olabilecek, uygulanabilir ve anlamlı bilgilerin çıkarılmasına verilen addır (Argüden ve Erşahin, 2008). Veri madenciliği döngüsü, veri yığınlarını elden geçirmekle başlayarak, analiz sonucunda ortaya çıkan sonuçların uzman gözüyle yorumlanması ile tamamlanır. Veri madenciliği modelleri, temelde iki ana başlıkta incelenmektedir. Birincisi, elde edilen örüntülerden sonuçları bilinmeyen verilerin tahmini için kullanılan tahmin edici modeller, diğeri ise eldeki verinin tanımlanmasını sağlayan tanımlayıcı modellerdir. Veri madenciliğinde kullanılan yöntemler kümeleme analizi, birliktelik kuralları ve ardışık zamanlı örüntüler, sınıflandırma ve regresyon analizi ve zaman serileri analizi olarak belirtilebilir (Argüden ve Erşahin, 2008) Birliktelik Kuralları Birliktelik kuralları veri madenciliğinin tanımlayıcı modellerindendir. Birliktelik kuralları büyük veri kümeleri içinde farklı veriler arasındaki birliktelik ilişkilerini bulma işlemidir. Birliktelik analizi, belirli bir veri kümesinde yüksek sıklıkta birlikte görülen özellik değerlerine ait ilişkisel kuralların keşfidir (Argüden ve Erşahin, 2008). Birliktelik kurallarının en önemli uygulama alanları arasında Pazar Sepet Analizi, çaprazpazarlama, promosyon analizleri, katalog ve yerleşim düzeni tasarımları bulunmaktadır (Erpolat, 2012) Apriori Algoritması Birliktelik kuralı çıkarımında kullanılan Apriori Algoritması, prior (önceki) kelimesinden türetilmiştirve bilgileri bir önceki adımdan almaktadır. Tekrarlayan bir niteliğe sahiptir ve veri tabanlarında sık geçen veri kümelerinin keşfedilmesinde kullanılmaktadır. Sık geçen veri kümelerini bulmak için birçok kez veri tabanını taramak gerekmektedir. İlk taramada bir elemanlı minimum destek ölçütünü sağlayan sık geçen veri kümeleri bulunmakta, izleyen taramalarda bir önceki taramada bulunan sık geçen veri kümeleri aday kümeler adı verilen yeni potansiyel sık geçen veri kümelerini üretmek için kullanılmaktadır. Aday kümelerin destek değerleri, tarama sırasında hesaplanmakta ve aday kümelerden minimum destek ölçütü sağlayan kümeler o geçişte üretilen sık geçen veri kümeleri olmaktadır. Sık geçen veri kümeleri bir sonraki geçiş için aday küme olmaktadırlar. Bu süreç yeni bir sık geçen veri kümesi bulunamayana kadar devam etmektedir (Gülce, 2010). Pazar-sepet çözümlemelerinde satılan ürünler arasındaki ilişkileri ortaya koymak için destek ve güven gibi iki ölçütten yararlanılır. Kural destek ölçütü bir ilişkinin tüm alışverişler içinde hangi oranda tekrarlandığını belirler. Kural güven ölçütü, A ürün grubunu alan müşterilerin B ürün grubunu da alma olasılığını ortaya koyar. A ürün grubunu alanların B ürün grubunu da alma durumu, yani birliktelik kuralı A B biçiminde gösterilir. Bu durumda kural destek ölçütü

4 1089 Denklem 1 deki gibi ifade edilir (Özkan, 2008). Destek(A B) = sayı(a,b) / N (1) Denklem 1 de sayı(a,b) destek sayısı A ve B ürün gruplarını birlikte içeren alışveriş sayısını göstermektedir. N ise tüm alışverişlerin sayısını göstermektedir. A ve B ürün gruplarının birlikte satın alınması olasılığını ifade eden kural güven ölçütü ise Denklem 2 deki gibi hesaplanır (Özkan, 2008). Güven(A B) = sayı(a,b) / sayı(a) (2) Elde olan veride ürünler için sadece alındı/alınmadı bilgisi varsa sepet analizinde ürünler arasındaki bağıntı, destek ve güven kriterleri aracılığı ile hesaplanır. İki ürünün satın alınmasındaki bağıntının önemli olması için her iki değerin de olabildiğince yüksek olması gerekmektedir. 2. Metodoloji Bu çalışmada Daimler Chrysler, SPSS, NCR ve OHRA tarafından geliştirilen ve veri madenciliği literatüründe kabul görmüş bir süreç olan CRISP-DM metodolojisinden yararlanılmıştır. CRISP- DM metodolojisine göre veri madenciliği süreci altı safhadan oluşmaktadır: İşin tanımlanması, verinin tanımlanması, verinin hazırlanması, modelleme, değerlendirme, uygulama (Chapman, vd., 2000) İşin tanımlanması Bu çalışmanın amacı Sakarya Üniversitesi Bilgisayar ve Bilişim Bilimleri Fakültesi Bilgisayar Mühendisliği Bölümü öğrencilerine ait zorunlu donanım ve yazılım stajı verilerini kullanarak öğrencilerin staj eğilimlerini belirlemeye çalışmak ve bölüm staj sorumlularına, staj yapan bölüm öğrencileri ile ilgili bilgiler vermektir. Böylece yetkililerin, staj etkinliğini arttırmaya ve bölüm staj politikasını iyileştirmeye yönelik kararlar almalarında destek sağlanacaktır. Şekil 1 de çalışmanın aşamaları gösterilmiştir. Bu çalışmada SPSS şirketinin veri madenciliği için geliştirdiği SPSS Clementine programının Apriori algoritması ve veri tabanı olarak Microsoft Access ve Excel kullanılmıştır.

5 1090 Şekil 1. Çalışmanın kapsamı 2.2. Verinin tanımlanması Bu aşamada, başlangıç verileri toplanmış, tek bir tablo haline getirilmiş; veriler tanımlanmış, genel olarak incelenmiş ve veri kalitesi doğrulanmıştır. Çalışmada Sakarya Üniversitesi Bilgisayar Mühendisliği Bölümü nde öğrenim görmüş/gören öğrencilerin yılları arasındaki zorunlu donanım ve yazılım stajı kayıtları kullanılmıştır. Çalışmada kullanılacak başlangıç verileri, adı geçen Bilgisayar Mühendisliği Bölümü nün staj takip otomasyonundan alınmıştır. Edinilen öğrenci staj verileri Access veri tabanı dosyası şeklindedir. Staj veri tabanındaki alanlar sırasıyla sıra no, öğrenci no, staj çeşidi, staj süresi, onay süresi, onay tarihi, staj başlangıç tarihi, staj bitiş tarihi, staj yapılan firmanın adı, firma adresi, firmanın bulunduğu şehir, firmanın telefon numarası ve staj komisyonu kodudur. İkinci olarak, bölümden alınan staj verileri dosyasındaki firma bilgilerinden hareketle her firma tek tek internet üzerinden araştırılmış, firma hakkında daha detaylı bilgi edinilmesini sağlayacak firmaya özel maksimum beş kelime kayıt edilmiştir. Bu anahtar kelimeler seçilirken firmanın faaliyet gösterdiği sektör, hizmetleri, çözümleri, vb. detaylar dikkate alınmıştır. Örneğin, KoçSistem Bilgi ve İletişim Hizmetleri A.Ş. de için anahtar kelimeler bilişim teknolojileri, sunucu sistemleri, sistem kurulum ve destek, danışmanlık ve bulut çözümleri olarak seçilmiştir. Diğer örnekte, Sakarya Üniversitesi Bilgi İşlem Daire Başkanlığı için anahtar kelimeler kamu kurumu, üniversite ve bilgi işlem olarak belirlenmiştir. Öğrenci staj verileri ve firmaya ait anahtar kelimeler Excel ortamına alınmış ve burada incelemeye tabi tutulmuştur.

6 1091 Oluşturulan analiz dosyasında 1113 öğrencinin zorunlu donanım ve yazılım stajından oluşan 2116 satır kayıt yer almaktadır. Bu öğrencilerin 814 ü I. öğretim, 239 u II. öğretim ve 60 ı karma öğretime kayıtlıdır. Firma adı sütunu incelendiğinde 853 farklı staj yapılan firma olduğu görülmektedir. Bu firmalar 68 farklı şehirde konuşlanmıştır ve bu şehirlerin beşi yurtdışında bulunmaktadır Verinin hazırlanması Bu basamakta modelleme yapılabilmesi için gerekli olan veri hazırlığı (seçme, temizleme, yapılandırma, birleştirme, biçimlendirme) işlemleri yapılmıştır. Verilerin Excel ortamında toplanmasının ardından staj yapılan şehir sütunu ilçe ve şehir olmak üzere ikiye sütuna dönüştürülmüş, şehir sütununa yazılan bu iki değer ilgili sütunlarına dağıtılmıştır. Şehir kaydı bulunmayan firmalar için firmanın iletişim bilgilerine ulaşılarak şehir bilgileri tamamlanmıştır. Farklı içerikte ve biçimde girilmiş firma ve şehir isimleri tespit edilerek tek tipe indirgenmiştir. Analizde gerek duyulmayacağı düşünülerek firma adres, ilçe ve bilgilerini içeren sütunlar ile staj komisyonu kodu sütunu elenmiştir. Öğrenci numaraları sütunu kullanılarak öğrencilerin üniversiteye giriş yılları ve hangi öğretim türüne kayıtlı olduğu hesaplanmış, yeni açılan giriş yılı ve öğretim türü sütunlarına eklenmiştir. Benzer şekilde staj başlangıç ve bitiş tarihlerinin bulunduğu sütunlar kullanılarak stajın yapıldığı yıl hesaplanmış, yeni açılan staj yılı sütununa eklenmiştir. Ayrıca staj süresi ve onay süresi sütunları kullanılarak staja ait kabul veya ret durumu hesaplanmış, yeni açılan staj onayı sütununa eklenmiştir. Staj onayı sütunu incelendiğinde stajı reddedilen öğrencilerin yüzdesinin 1,8 olduğu görülmüştür. Bu bakımdan onay durumu alanı ve ek olarak, amaca katkı sağlamayacağı düşüncesiyle öğrenci no, staj süresi, onay süresi, onay tarihi, staj başlangıç tarihi ve staj bitiş tarihi alanları analize dahil edilmemesine karar verilmiştir. Staj yapılan 853 farklı kurumdan sadece %3 ünde 10 ve üzeri defa, %70 inde ise yalnız 1 kez staj yapıldığının tespit edilmesi üzerinde gereksiz işlem yükü meydana getirmemek için en az 10 staj yapılan yerlerin firma adı sütunu boşaltılmış, diğer sütunları aynen bırakılmıştır. Son olarak her firma için ayrı ayrı girilen maksimum beş anahtar kelime için beş sütun eklenmiş ve internet üzerinden edinilen firma detayları kullanılarak ilgili sütunlara ilgili veriler aktarılmıştır. SPSS Clementine de Apriori algoritmasını çalıştırabilmek için verilerin tabular formata getirilmesi gerekmektedir. Tabular formattaki kayıtlar için sütunlarda giriş yılı, öğretim türü, staj çeşidi, staj yılı, firma adı, firma türü (beş adet) ve firmanın yer aldığı şehir yer alırken, satırlarda öğrencilere ait staj kayıtları yer almaktadır. Analiz için kullanılacak veriler Excel ortamında hazırlandıktan sonra SPSS Clementine de Excel dosyasına bağlanma işlemleri yapılarak veri kaynağına erişim sağlanmıştır Modelleme Clementine da veri kaynağına erişim sağlandıktan sonra model oluşturulmuştur. Modelde yapılan işlemler; Data Audit düğümüyle veri kalitesi kontrol edilmiştir. Table düğümü ile veri kaynağından çekilen veriler kontrol edilmiştir. Distribution düğümü ile verilerin dağılımları ve sıklıkları hakkında bilgi alınmıştır. Distribution düğümünden elde edilen istatistiksel bilgiler Tablo 1 de örneklendiği gibidir.

7 1092 Tablo 1. Tanımlayıcı istatistikler Bilgi İçerik Sıklık Yüzde En çok staj yapılan beş kurum SAÜ Bilgisayar Müh. Bölümü 164 7,75 Türk Telekom İl Müdürlükleri 109 5,15 Ford Otosan A.Ş. 97 4,58 SAÜ Bilgi İşlem Daire Bşk. 77 3,64 Türkiye Vagon Sanayi A.Ş. 53 2,5 En çok staj yapılan beş şehir En çok kullanılan firma anahtar kelimeleri İstanbul ,44 Sakarya ,24 Kocaeli ,07 Ankara 116 5,48 Bursa 48 2,27 Kamu Kurumu ,18 Telekomünikasyon ,18 İmalat 442 9,59 Üniversite 334 7,25 Yazılım 299 6,49 Yapılan bu çalışmada birliktelik kuralları algoritmalarından bilinen en temel algoritma olan Apriori algoritmasından yararlanılmıştır. Yapılan çalışmalar sonucunda Apriori algoritmasında, minimum destek değeri %5 ve güven değeri %20 alınmıştır. Şekil 2 de Clementine de kurulan modelin son aşamasındaki görüntüsü verilmiştir. Şekil 2. Clementine de kurulan modelin görüntüsü

8 Bulgular Sonuç olarak toplamda 989 tane kural oluşmuştur. Modelin çalıştırılması sonucunda elde edilen kurallardan bazıları Tablo 2 de verilmiştir. Derece ile ifade edilen değer 1 den ne kadar büyük olursa kuralın kapsamı artmaktadır. Analiz sonucunda oluşan birliktelik kurallarını anlamlandırmak gerekirse, örneğin Tablo 2 deki ilk kuraldan Yazılım stajını Sakarya daki bir kamu kurumunda yapan öğrenciler %88,74 olasılıkla Üniversite de staj yapmaktadır. Bu durumların veri setindeki işlemlerde birlikte bulunma olasılığı %7,14 tür. manası çıkmaktadır. Oluşturulan veri setinden öğrencilerin direkt olarak stajlarıyla ilgili birliktelikler çıktığı gibi, staj yapılan firmalara ait sonradan girilmiş anahtar kelimelerin yardımıyla, sondan bir önceki kuralda belirtildiği üzere Staj yapılan firmalardan bilişim teknolojileri alanında faaliyet gösteren firmalar %25,47 olasılıkla sunucu sistemlerine yönelik hizmet vermektedir. şeklinde endüstriyel anlamlar da çıkarılabilmektedir. Veri setinde analize dahil edilmiş alanlar arasındaki ilişkilerin kuvvetini görebilmek için Clementine de web grafiğinden yararlanılmıştır. Web grafiğindeki çizgi kalınlığı ilişkinin baskınlığını göstermektedir. Çizgi kalınlığı arttıkça ilişkinin kuvvetliliği de artmaktadır. Şekil 3'de gösterilen grafikte çizgi değeri %20 olarak ayarlanmıştır. Bu grafikte aralarındaki ilişki %20 den büyük ve eşit olan içerikler yer almaktadır. Tablo 2. Birliktelik kuralları Öncül Sonuç Destek Güven Derece Staj Türü: Yazılım Şehir: Sakarya Firma Türü: Kamu Kurumu Firma Türü: Üniversite 7,14 88,74 6,02 Firma Türü: Bilişim Teknolojileri Şehir: İstanbul 5,01 85,85 2,42 Firma Türü: İmalat Şehir: Kocaeli Firma Türü: Bilgisayar Sarf Malzemeleri Staj Türü: Donanım Firma Türü: İmalat Staj Çeşidi: Yazılım Firma Türü: Üniversite Staj Türü: Donanım Staj Türü: Yazılım Şehir: İstanbul Şehir: Sakarya Firma Türü: Üniversite Firma Adı: Ford Otosan 6,38 68,15 14,87 Firma Türü: Teknik Destek 5,48 62,07 10,42 Firma Türü: Otomotiv 7,47 51,27 6,46 Firma Adı: SAÜ Bilgisayar Müh. 7,56 41,88 5,40 Firma Türü: Yazılım 17,49 28,38 2,06 Firma Türü: Bilgi İşlem 12,85 28,31 5,93 Firma Türü: Bilişim Teknolojileri Firma Türü: Sunucu Sistemleri 5,01 25,47 12,53 Staj Yılı: 2010 I. Öğretim Firma Türü: İmalat 5,86 22,58 1,25

9 1094 Şekil 3. Analiz verileri arasındaki ilişkilerin grafiği Sonuçlar Birliktelik kurallarından elde edilen kurallar sonucunda bölüm staj sorumlularına, staj yapan bölüm öğrencileri ile ilgili bilgiler verilmeye çalışılarak staj etkinliğini arttırmaya ve bölüm staj politikasını iyileştirmeye yönelik kararlar almalarında destek sağlanmıştır. Öğrenci staj verilerdeki alanların iyileştirilmesi ve staj yapılan kurumlara ait verilerin detaylandırılması ile analizin karar vericilere sağladığı bilgi desteği maksimize edilebilecektir. Birliktelik kurallarından elde edilen sonuçlara göre öğrencilerin staj olarak en çok yazılım ile ilgili firmaları tercih ettiği geri kalanların ise çoğunlukla kendi okudukları üniversitede staj yaptıkları gözlemlenmiştir. Referanslar Alpaydın, E. (2000). Zeki Veri Madenciliği: Ham Veriden Altın Bilgiye Ulaşma Yöntemleri. Bilişim 2000 Veri Madenciliği Eğitim Semineri, İstanbul. Argüden, Y., Erşahin, B. (2008). Veri Madenciliği: Veriden Bilgiye, Masraftan Değere. 1. Basım, ARGE Danışmanlık Yayınları, İstanbul. Bozkır, A.S., Gök, B., Sezer, E. (2008). Üniversite Öğrencilerinin İnterneti Eğitimsel Amaçlar İçin Kullanmalarını Etkileyen Faktörlerin Veri Madenciliği Yöntemleriyle Tespiti. Bilimde Modern Yöntemler Sempozyumu BMYS 2008, Eskişehir, Chapman, P. (2000). CRISP-DM 1.0 Step-by-step data mining guide. SPSS Inc. Dolgun, M. Ö., Özdemir, T.G., Deliloğlu, S.. (2007). Öğrenci Seçme Sınavında (ÖSS) Öğrencilerin Tercih Profillerinin Veri Madenciliği Yöntemleriyle Tespiti, Bilişim 07 Kongresi, Ankara. Erpolat, S. (2012). Otomobil Yetkili Servislerinde Birliktelik Kurallarının Belirlenmesinde Apriori ve FP-Growth Algoritmalarının Karşılaştırılması. AÜ Sosyal Bilimler Dergisi. C:12, S:1, ss Gülce, A.C. (2010). Veri Madenciliğinde Apriori Algoritması ve Apriori Algoritmasının Farklı Veri Kümelerinde Uygulanması. Trakya Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği A.B.D. Yüksek Lisans Tezi. İnan, O. (2003). Veri Madenciliği, Yüksek Lisans Tezi, Selçuk Üniversitesi, Fen Bilimleri Enstitüsü.

10 1095 Karabatak, M., İnce, M.C. (2004). Apriori Algoritması İle Öğrenci Başarısı Analizi. Eleco 2004 Elektrik-Elektronik ve Bilgisayar Mühendisleri Sempozyumu, Bursa. Özkan, Y. (2008). Veri Madenciliği Yöntemleri, 1. Basım, Papatya Yayınları. Sönmez, Y. (2012). Masaüstü Rehberlik Otomasyonu Gerçekleştirimi ve Verilerin Birliktelik Kuralları İle Değerlendirilmesi. Fırat Üniversitesi Fen Bilimleri Enstitüsü Elektrik-Bilgisayar Eğitimi A.B.D. Yüksek Lisans Tezi.

VERİ MADENCİLİĞİ (Birliktelik Kuralları) Yrd.Doç.Dr. Kadriye ERGÜN

VERİ MADENCİLİĞİ (Birliktelik Kuralları) Yrd.Doç.Dr. Kadriye ERGÜN VERİ MADENCİLİĞİ (Birliktelik Kuralları) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Birliktelik Kurallarının Tanımı Destek ve Güven Ölçütleri Apriori Algoritması Birliktelik Kuralları (Association

Detaylı

APRIORI ALGORİTMASI İLE ÖĞRENCİ BAŞARISI ANALİZİ

APRIORI ALGORİTMASI İLE ÖĞRENCİ BAŞARISI ANALİZİ APRIORI ALGORİTMASI İLE ÖĞRENCİ BAŞARISI ANALİZİ Murat KARABATAK 1, Melih Cevdet İNCE 2 1 Fırat Üniversitesi Teknik Eğitim Fakültesi Elektronik Bilgisayar Eğitimi Bölümü 2 Fırat Üniversitesi Mühendislik

Detaylı

Apriori Algoritması ile Teknik Seçmeli Ders Seçim Analizi

Apriori Algoritması ile Teknik Seçmeli Ders Seçim Analizi Apriori Algoritması ile Teknik Seçmeli Ders Seçim Analizi Emre Güngör 1,2, Nesibe Yalçın 1,2, Nilüfer Yurtay 3 1 Bilecik Şeyh Edebali Üniversitesi, Bilgisayar Mühendisliği Bölümü, 11210, Merkez, Bilecik

Detaylı

Birliktelik Kuralları Analizi. Yard. Doç. Dr. Derya BİRANT Prof. Dr. Alp KUT

Birliktelik Kuralları Analizi. Yard. Doç. Dr. Derya BİRANT Prof. Dr. Alp KUT İş Zekası Çözümleri için i Çok Boyutlu Birliktelik Kuralları Analizi Yard. Doç. Dr. Derya BİRANT Prof. Dr. Alp KUT İçerik 1 Veri Madenciliği 2 Birliktelik Kuralları Analizi 3 Uygulama 4 Algoritma 5 Sonuçlar

Detaylı

VERİ MADENCİLİĞİ İLE DEPREM VERİLERİNİN ANALİZİ

VERİ MADENCİLİĞİ İLE DEPREM VERİLERİNİN ANALİZİ VERİ MADENCİLİĞİ İLE DEPREM VERİLERİNİN ANALİZİ N. Duru -1, M. Canbay -1 Posta Adresi: 1- Kocaeli Üniversitesi Müh.Fak. Bilgisayar Mühendisliği 2- Kocaeli Üniversitesi Müh.Fak. Jeofizik Mühendisliği E-posta:

Detaylı

VERİ MADENCİLİĞİNE BAKIŞ

VERİ MADENCİLİĞİNE BAKIŞ VERİ MADENCİLİĞİNE BAKIŞ İçerik Veri Madenciliği Neden Veri Madenciliği? Veri ve Veri Madenciliğinin Önemi Günümüzde Kullanılan Veri Madenciliğinin Çeşitli İsimleri Veri Madenciliği Nedir? Neden Veri Madenciliği?

Detaylı

Üniversite Öğrencilerinin Đnterneti Eğitimsel Amaçlar Đçin Kullanmalarını

Üniversite Öğrencilerinin Đnterneti Eğitimsel Amaçlar Đçin Kullanmalarını Üniversite Öğrencilerinin Đnterneti Eğitimsel Amaçlar Đçin Kullanmalarını Etkileyen Faktörlerin Veri Madenciliği Yöntemleriyle Tespiti Ahmet Selman BOZKIR 1, Bilge GÖK 2 ve Ebru SEZER 3 1 Hacettepe Üniversitesi

Detaylı

Veri Madenciliği Yöntemleriyle İGDAŞ Çağrı Merkezi Veri Analizi VE Kalite Fonksiyon Yayılımı Yöntemiyle Süreç İyileştirme Çalışması

Veri Madenciliği Yöntemleriyle İGDAŞ Çağrı Merkezi Veri Analizi VE Kalite Fonksiyon Yayılımı Yöntemiyle Süreç İyileştirme Çalışması Veri Madenciliği Yöntemleriyle İGDAŞ Çağrı Merkezi Veri Analizi VE Kalite Fonksiyon Yayılımı Yöntemiyle Süreç İyileştirme Çalışması Nilay Kurşunoğlu, PwC Yönetim Danışmanlığı Biz Kimiz? Orhan Cem Sorumlu

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimli Öğrenmenin Temelleri Karar Ağaçları Entropi ID3 Algoritması C4.5 Algoritması Twoing

Detaylı

PAPATYA YAYINCILIK EĞİTİM Bilgisayar Sis. San. ve Tic. A.Ş. Veri Madenciliği Yöntemleri Dr. Yalçın ÖZKAN -II-

PAPATYA YAYINCILIK EĞİTİM Bilgisayar Sis. San. ve Tic. A.Ş. Veri Madenciliği Yöntemleri Dr. Yalçın ÖZKAN -II- Dr. Yalçın ÖZKAN Dr. Yalçın ÖZKAN PAPATYA YAYINCILIK EĞİTİM Bilgisayar Sis. San. ve Tic. A.Ş. Ankara Caddesi, Prof. Fahreddin Kerim Gökay Vakfı İşhanı Girişi, No: 11/3, Cağaloğlu (Fatih)/İstanbul Tel

Detaylı

Yıldız Teknik Üniversitesi Bilgisayar Mühendisliği Bölümü. 13 Kasım 2010

Yıldız Teknik Üniversitesi Bilgisayar Mühendisliği Bölümü. 13 Kasım 2010 Yıldız Teknik Üniversitesi Bilgisayar Mühendisliği Bölümü 13 Kasım 2010 2010-2011 Eğitim Yılı (Haziran-Kasım 2010 tarihleri arasında) Bölümü Değerlendirme Anket Formu Raporu Öğrencilerimizin staj yaptıkları

Detaylı

Sistem Geliştirme Yaşam Döngüsü (The Systems Development Life Cycle) (SDLC)

Sistem Geliştirme Yaşam Döngüsü (The Systems Development Life Cycle) (SDLC) Sistem Geliştirme Yaşam Döngüsü (The Systems Development Life Cycle) (SDLC) Sistem analistlerinin ve kullanıcı faaliyetlerinin spesifik döngüsünün kullanılmasıyla En iyi geliştirilmiş sistemin oluşmasını

Detaylı

Yrd. Doç. Dr. Semra Erpolat

Yrd. Doç. Dr. Semra Erpolat Anadolu Üniversitesi Sosyal Bilimler Dergisi Anadolu University Journal of Social Sciences Otomobil Yetkili Servislerinde Birliktelik Kurallarının Belirlenmesinde Apriori ve FP-Growth Algoritmalarının

Detaylı

UÇAK,HAVACILIK,UZAY MÜHENDİSLİĞİ ÖĞRENCİLERİNİN DURUM DEĞERLENDİRMESİ

UÇAK,HAVACILIK,UZAY MÜHENDİSLİĞİ ÖĞRENCİLERİNİN DURUM DEĞERLENDİRMESİ TMMOB Makina Mühendisleri Odası I. Ulusal Uçak Havacılık ve Uzay Mühendisliği Kurultayı 12 Mayıs 2001 Eskişehir-Türkiye UÇAK,HAVACILIK,UZAY MÜHENDİSLİĞİ ÖĞRENCİLERİNİN DURUM DEĞERLENDİRMESİ Mehmet Nazım

Detaylı

Sakarya Üniversitesi Endüstri Mühendisliği Bölümü Tanıtımı. Endüstri Mühendisliği Bölümü Prof. Dr. Cemalettin KUBAT Bölüm Başkanı

Sakarya Üniversitesi Endüstri Mühendisliği Bölümü Tanıtımı. Endüstri Mühendisliği Bölümü Prof. Dr. Cemalettin KUBAT Bölüm Başkanı E N D Ü S T R İ M Ü H E N D İ S L İ Ğ İ B Ö L Ü M Ü Sakarya Üniversitesi Endüstri Mühendisliği Bölümü Tanıtımı Endüstri Mühendisliği Bölümü Prof. Dr. Cemalettin KUBAT Bölüm Başkanı Endüstri Mühendisi

Detaylı

PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI. BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara

PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI. BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara Veri Madenciliğine Genel Bir Bakış Veri Madenciliğinin Görevleri Sınıflama Seri Sınıflama Algoritmaları Paralel Sınıflama

Detaylı

İNŞAAT MÜHENDİSLİĞİNDE LİSANS SONRASI AKADEMİK EĞİTİM: SAYILARLA TÜRKİYE DEKİ MEVCUT DURUM

İNŞAAT MÜHENDİSLİĞİNDE LİSANS SONRASI AKADEMİK EĞİTİM: SAYILARLA TÜRKİYE DEKİ MEVCUT DURUM - 169 - İNŞAAT MÜHENDİSLİĞİNDE LİSANS SONRASI AKADEMİK EĞİTİM: SAYILARLA TÜRKİYE DEKİ MEVCUT DURUM Cemalettin Dönmez * Özet Türkiye de inşaat mühendisliğinde lisans sonrası eğitimin hacim ve temel uzmanlık

Detaylı

ÖĞRENCİ SEÇME SINAVINDA (ÖSS) ÖĞRENCİ BAŞARIMINI ETKİLEYEN FAKTÖRLERİN VERİ MADENCİLİĞİ YÖNTEMLERİYLE TESPİTİ

ÖĞRENCİ SEÇME SINAVINDA (ÖSS) ÖĞRENCİ BAŞARIMINI ETKİLEYEN FAKTÖRLERİN VERİ MADENCİLİĞİ YÖNTEMLERİYLE TESPİTİ 5. Uluslararası İleri Teknolojiler Sempozyumu (IATS 09), 13-15 Mayıs 2009, Karabük, Türkiye ÖĞRENCİ SEÇME SINAVINDA (ÖSS) ÖĞRENCİ BAŞARIMINI ETKİLEYEN FAKTÖRLERİN VERİ MADENCİLİĞİ YÖNTEMLERİYLE TESPİTİ

Detaylı

1. VERİ TABANI KAVRAMLARI VE VERİ TABANI OLUŞTUMA

1. VERİ TABANI KAVRAMLARI VE VERİ TABANI OLUŞTUMA BÖLÜM15 D- VERİ TABANI PROGRAMI 1. VERİ TABANI KAVRAMLARI VE VERİ TABANI OLUŞTUMA 1.1. Veri Tabanı Kavramları Veritabanı (DataBase) : En genel tanımıyla, kullanım amacına uygun olarak düzenlenmiş veriler

Detaylı

İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI

İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI 2014 İŞLETME VE ORGANİZASYON STAJI UYGULAMA ESASLARI Açıklama Staj yapılan işletmelerde

Detaylı

Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü. Bilgisayar Mühendisliği

Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü. Bilgisayar Mühendisliği Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü Bilgisayar Mühendisliği Bilgisayar Mühendisliği Günümüzde, finans, tıp, sanat, güvenlik, enerji gibi bir çok sektör, bilgisayar mühendisliğindeki gelişimlerden

Detaylı

AMASYA ÜNİVERSİTESİ TEKNİK BİLİMLER MESLEK YÜKSEKOKULU 2014 DİKEY GEÇİŞ SINAVI TANITIMI VE İSTATİSTİKLERİ

AMASYA ÜNİVERSİTESİ TEKNİK BİLİMLER MESLEK YÜKSEKOKULU 2014 DİKEY GEÇİŞ SINAVI TANITIMI VE İSTATİSTİKLERİ AMASYA ÜNİVERSİTESİ TEKNİK BİLİMLER MESLEK YÜKSEKOKULU 2014 DİKEY GEÇİŞ SINAVI TANITIMI VE İSTATİSTİKLERİ EKİM 2014 İÇİNDEKİLER Dikey Geçiş Sınavı Nedir?... 1 Dikey Geçiş Sınavının İçeriği Nedir?... 1

Detaylı

İş Analitiği'ne Netezza ile Yüksek Performans Katın

İş Analitiği'ne Netezza ile Yüksek Performans Katın İş Analitiği'ne Netezza ile Yüksek Performans Katın Umut ŞATIR İleri Analitik Çözüm Mimarı 2012 IBM Corporation Netezza and IBM Business Analytics Baştan sona bir İş Analitiği çözümü Performans Kolaylık

Detaylı

2.1 Gri Düzey Eş Oluşum Matrisi ( GLCM) Gri düzey eş oluşum matrisi Haralick tarafından öne sürülmüştür [1]. Đstatistiksel doku analizi yöntemidir.

2.1 Gri Düzey Eş Oluşum Matrisi ( GLCM) Gri düzey eş oluşum matrisi Haralick tarafından öne sürülmüştür [1]. Đstatistiksel doku analizi yöntemidir. ÇELĐK YÜZEYLERĐN SINIFLANDIRILMASI * Cem ÜNSALAN ** Aytül ERÇĐL * Ayşın ERTÜZÜN *Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği Bölümü unsalan@boun.edu.tr **Boğaziçi Üniversitesi, Endüstri Mühendisliği

Detaylı

GAZİ ÜNİVERSİTESİ ÖĞRETİM ELEMANI AYLIK PUANTAJ YAZILIMI KULLANIM KLAVUZU

GAZİ ÜNİVERSİTESİ ÖĞRETİM ELEMANI AYLIK PUANTAJ YAZILIMI KULLANIM KLAVUZU GAZİ ÜNİVERSİTESİ ÖĞRETİM ELEMANI AYLIK PUANTAJ YAZILIMI KULLANIM KLAVUZU NİSAN 2011 GAZİ ÜNİVERSİTESİ ÖĞRETİM ELEMANI AYLIK PUANTAJ YAZILIMI Mühendislik Fakültesi tarafından geliştirilen ve Mühendislik

Detaylı

Sakarya Üniversitesi Endüstri Mühendisliği Bölümü Tanıtımı. Endüstri Mühendisliği Bölümü Prof. Dr. Cemalettin KUBAT Bölüm Başkanı

Sakarya Üniversitesi Endüstri Mühendisliği Bölümü Tanıtımı. Endüstri Mühendisliği Bölümü Prof. Dr. Cemalettin KUBAT Bölüm Başkanı E N D Ü S T R İ M Ü H E N D İ S L İ Ğ İ B Ö L Ü M Ü Sakarya Üniversitesi Endüstri Mühendisliği Bölümü Tanıtımı Endüstri Mühendisliği Bölümü Prof. Dr. Cemalettin KUBAT Bölüm Başkanı Endüstri Mühendisi

Detaylı

Veri Madenciliği Karar Ağacı Oluşturma

Veri Madenciliği Karar Ağacı Oluşturma C4.5 Algoritması Veri Madenciliği Karar Ağacı Oluşturma Murat TEZGİDER 1 C4.5 Algoritması ID3 algoritmasını geliştiren Quinlan ın geliştirdiği C4.5 karar ağacı oluşturma algoritmasıdır. ID3 algoritmasında

Detaylı

Bulanık Mantık Tabanlı Uçak Modeli Tespiti

Bulanık Mantık Tabanlı Uçak Modeli Tespiti Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa

Detaylı

The Study of Relationship Between the Variables Influencing The Success of the Students of Music Educational Department

The Study of Relationship Between the Variables Influencing The Success of the Students of Music Educational Department 71 Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, Yıl 9, Sayı 17, Haziran 2009, 71-76 Müzik Eğitimi Anabilim Dalı Öğrencilerinin Başarılarına Etki Eden Değişkenler Arasındaki İlişkinin İncelenmesi

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimsiz Öğrenmenin Temelleri Kümeleme Uzaklık Fonksiyonları Öklid Uzaklığı Manhattan

Detaylı

MOBİLYA PERAKENDE SATIŞ SEKTÖRÜNDE VERİ MADENCİLİĞİ UYGULAMASI

MOBİLYA PERAKENDE SATIŞ SEKTÖRÜNDE VERİ MADENCİLİĞİ UYGULAMASI Akademik Sosyal Araştırmalar Dergisi, Yıl: 4, Sayı: 22, Mart2016, s. 385-394 Yüksel YURTAY 1 Oğuz YAVUZYILMAZ 2 Nihal Zuhal BACINOĞLU 3 MOBİLYA PERAKENDE SATIŞ SEKTÖRÜNDE VERİ MADENCİLİĞİ UYGULAMASI Özet

Detaylı

MYO-ÖS 2010- Ulusal Meslek Yüksekokulları Öğrenci Sempozyumu 21-22 EKĐM 2010-DÜZCE

MYO-ÖS 2010- Ulusal Meslek Yüksekokulları Öğrenci Sempozyumu 21-22 EKĐM 2010-DÜZCE MYO-ÖS 2010- Ulusal Meslek Yüksekokulları Öğrenci Sempozyumu 21-22 EKĐM 2010-DÜZCE MESLEK YÜKSEKOKULU ÖĞRENCİLERİNİN YAŞAM GİDERLERİNİN ERKEK ÖĞRENCİ DEĞİŞKENİNE GÖRE İNCELENMESİ, DÜZCE MYO ÖRNEĞİ Yrd.

Detaylı

Web Server Sunucu Loglarının K-Komşu Algoritması ile İ ncelenmesi

Web Server Sunucu Loglarının K-Komşu Algoritması ile İ ncelenmesi Web Server Sunucu Loglarının K-Komşu Algoritması ile İ ncelenmesi İçindekiler 1 Özet... 2 2 Giriş... 3 3 Uygulama... 4 4 Sonuçlar... 6 1 1 Özet Web sunucu logları üzerinde veri madenciliği yapmanın temel

Detaylı

CEN 416 DATA MINING DERSİ PROJESİ ÖĞRENCİLER 080909090 AHMET AKAN 050600707 MEHMET BAKAN

CEN 416 DATA MINING DERSİ PROJESİ ÖĞRENCİLER 080909090 AHMET AKAN 050600707 MEHMET BAKAN CEN 416 DATA MINING DERSİ PROJESİ ÖĞRENCİLER 080909090 AHMET AKAN 050600707 MEHMET BAKAN 1 1. Veri nedir? Veri madenciliği nedir? Veri; işlenmemiş, gerçek ya da enformasyon parçacığına verilen addır. Yani

Detaylı

Firma Kullanıcı Kılavuz Dokümanı

Firma Kullanıcı Kılavuz Dokümanı MOS BİLİŞİM TEKNOLOJİLERİ YAZILIM VE DANIŞMANLIK HİZMETLERİ LTD.ŞTİ. Firma Kullanıcı Kılavuz Dokümanı Sayfa 1 / 13 İçindekiler Tablosu 1 Giriş... 3 1.1 Belgenin Amacı... 3 1.2 Belgenin Kapsamı... 3 1.3

Detaylı

Akademisyen Kullanıcı Kılavuz Dokümanı

Akademisyen Kullanıcı Kılavuz Dokümanı MOS BİLİŞİM TEKNOLOJİLERİ YAZILIM VE DANIŞMANLIK HİZMETLERİ LTD.ŞTİ. Akademisyen Kullanıcı Kılavuz Dokümanı Sayfa 1 / 13 İçindekiler Tablosu 1 Giriş... 3 1.1 Belgenin Amacı... 3 1.2 Belgenin Kapsamı...

Detaylı

BENZERSİZ SORUNLARA BENZERSİZ ÇÖZÜMLER

BENZERSİZ SORUNLARA BENZERSİZ ÇÖZÜMLER BENZERSİZ SORUNLARA BENZERSİZ ÇÖZÜMLER HAKKIMIZDA Promod Ar-Ge Yazılım, dinamik sistem simülasyonu, prototiplemesi, kontrol tasarımı ve gerçeklenmesi alanlarında hizmet veren bir Ar-Ge ve Yazılım kuruluşudur.

Detaylı

NAZMİYE DEMİREL ORTAOKULU BİLİŞİM TEKNOLOJİLERİ DERSİ 1. DÖNEM 6. SINIFLAR DERS NOTU EXCEL 2007 DERS NOTLARI

NAZMİYE DEMİREL ORTAOKULU BİLİŞİM TEKNOLOJİLERİ DERSİ 1. DÖNEM 6. SINIFLAR DERS NOTU EXCEL 2007 DERS NOTLARI EXCEL 2007 DERS NOTLARI Bir hesap tablosu programıdır. Excel, her türlü veriyi (özellikle sayısal verileri) tablolar ya da listeler halinde tutma ve bu verilerle ilgili ihtiyaç duyacağınız tüm hesaplamaları

Detaylı

Bilgisayar ve Bilgi Sistemleri (COMPE 107) Ders Detayları

Bilgisayar ve Bilgi Sistemleri (COMPE 107) Ders Detayları Bilgisayar ve Bilgi Sistemleri (COMPE 107) Ders Detayları Ders Adı Bilgisayar ve Bilgi Sistemleri Ders Kodu COMPE 107 Dönemi Ders Uygulama Saati Saati Laboratuar Saati Kredi AKTS Bahar 3 0 0 3 3 Ön Koşul

Detaylı

3.2. Raster Veriler. Satırlar. Sütunlar. Piksel/hücre büyüklüğü

3.2. Raster Veriler. Satırlar. Sütunlar. Piksel/hücre büyüklüğü 3.2. Raster Veriler Satırlar Piksel/hücre büyüklüğü Sütunlar 1 Görüntü formatlı veriler Her piksel için gri değerleri kaydedilmiştir iki veya üç bant (RGB) çok sayıda bant Fotoğraf, uydu görüntüsü, ortofoto,

Detaylı

İNTERNET TARAYICISI ÜZERİNDE ÇALIŞABİLEN ELEKTRİK TALEP TAHMİNİ ANALİZ PROGRAMI

İNTERNET TARAYICISI ÜZERİNDE ÇALIŞABİLEN ELEKTRİK TALEP TAHMİNİ ANALİZ PROGRAMI TMMOB TÜRKİYE VI. ENERJİ SEMPOZYUMU - KÜRESEL ENERJİ POLİTİKALARI VE TÜRKİYE GERÇEĞİ İNTERNET TARAYICISI ÜZERİNDE ÇALIŞABİLEN ELEKTRİK TALEP TAHMİNİ ANALİZ PROGRAMI Barış Sanlı Dünya Enerji Konseyi Türk

Detaylı

TEKNOLOJİ GELİŞTİRME BÖLGELERİ 2013 YILI PERFORMANS ENDEKSİ

TEKNOLOJİ GELİŞTİRME BÖLGELERİ 2013 YILI PERFORMANS ENDEKSİ Türkiye Cumhuriyeti Bilim, Sanayi ve Teknoloji Bakanlığı Bilim ve Teknoloji Genel Müdürlüğü TEKNOLOJİ GELİŞTİRME BÖLGELERİ 2013 YILI PERFORMANS ENDEKSİ KASIM 2014 İÇİNDEKİLER Mevcut Durum Performans Endeks

Detaylı

DERS TANITIM BİLGİLERİ. Dersin Adı Kodu Yarıyıl Teori (saat/hafta) Laboratuar (saat/hafta) Uygulama (saat/hafta) AKTS. Yerel Kredi

DERS TANITIM BİLGİLERİ. Dersin Adı Kodu Yarıyıl Teori (saat/hafta) Laboratuar (saat/hafta) Uygulama (saat/hafta) AKTS. Yerel Kredi DERS TANITIM BİLGİLERİ Dersin Adı Kodu Yarıyıl Teori (saat/hafta) Uygulama (saat/hafta) Laboratuar (saat/hafta) Yerel Kredi AKTS Temel Bilgi ve İletişim BEB650 Güz / 0 2 0 1 2 Teknolojileri Kullanımı Bahar

Detaylı

Web Madenciliği Teknikleri

Web Madenciliği Teknikleri Web Madenciliği Teknikleri Abdullah BAYKAL*,Cengiz COŞKUN** * Dicle Üniversitei Fen-Edebiyat Fakültesi Matematik Bölümü, baykal@dicle.edu.tr ** Dicle Üniversitesi Bilgi-İşlem Daire Başkanlığı, ccoskun@dicle.edu.tr

Detaylı

MÜHENDİSLİK EĞİTİMLERİNDE ÖLÇÜMBİLİM VE KALİBRASYON KONULARINDAKİ MEVCUT DURUMUN DEĞERLENDİRİLMESİ

MÜHENDİSLİK EĞİTİMLERİNDE ÖLÇÜMBİLİM VE KALİBRASYON KONULARINDAKİ MEVCUT DURUMUN DEĞERLENDİRİLMESİ 253 MÜHENDİSLİK EĞİTİMLERİNDE ÖLÇÜMBİLİM VE KALİBRASYON KONULARINDAKİ MEVCUT DURUMUN DEĞERLENDİRİLMESİ Özge ALTUN ÖZET Ülkemizde gelişen teknoloji ve ileri seviye mühendislik uygulamalarının artmasıyla

Detaylı

GİRNE AMERİKAN ÜNİVERSİTESİ EĞİTİM FAKÜLTESİ OKUL ÖNCESİ ÖĞRETMENLİĞİ AKTS

GİRNE AMERİKAN ÜNİVERSİTESİ EĞİTİM FAKÜLTESİ OKUL ÖNCESİ ÖĞRETMENLİĞİ AKTS GİRNE AMERİKAN ÜNİVERSİTESİ EĞİTİM FAKÜLTESİ OKUL ÖNCESİ ÖĞRETMENLİĞİ AKTS Dersin Adı Bilgisayara Giriş Dersin Kodu BİL104 Dersin Türü Zorunlu Dersin Seviyesi Lisans Dersin AKTS kredisi 6 Haftalık Ders

Detaylı

İş Zekâsı Sistemi Projesi

İş Zekâsı Sistemi Projesi BI İş Zekâsı Sistemi Projesi Ulaş Kula, Bilişim Ltd. Esinkap 5. Ar-Ge Proje Pazarı 31 Mayıs 2012 Bilişim Ltd. 1985 te kurulan Bilişim Ltd, Türkiye nin üstün başarıyla sonuçlanmış önemli projelerine imza

Detaylı

SAKARYA ÜNİVERSİTESİ EĞİTİM FAKÜLTESİ DÖRDÜNCÜ SINIF ÖĞRENCİLERİNİN ÖĞRETMENLİK MESLEĞİNE KARŞI TUTUMLARI

SAKARYA ÜNİVERSİTESİ EĞİTİM FAKÜLTESİ DÖRDÜNCÜ SINIF ÖĞRENCİLERİNİN ÖĞRETMENLİK MESLEĞİNE KARŞI TUTUMLARI SAKARYA ÜNİVERSİTESİ EĞİTİM FAKÜLTESİ DÖRDÜNCÜ SINIF ÖĞRENCİLERİNİN ÖĞRETMENLİK MESLEĞİNE KARŞI TUTUMLARI Arş.Gör. Duygu GÜR ERDOĞAN Sakarya Üniversitesi Eğitim Fakültesi dgur@sakarya.edu.tr Arş.Gör. Demet

Detaylı

Sınavlı ve Sınavsız Geçiş İçin Akademik Bir Karşılaştırma

Sınavlı ve Sınavsız Geçiş İçin Akademik Bir Karşılaştırma Sınavlı ve Sınavsız Geçiş İçin Akademik Bir Karşılaştırma Öğr. Gör. Kenan KARAGÜL, Öğr. Gör. Nigar KARAGÜL, Murat DOĞAN 3 Pamukkale Üniversitesi, Honaz Meslek Yüksek Okulu, Lojistik Programı, kkaragul@pau.edu.tr

Detaylı

1 Temel Kavramlar. Veritabanı 1

1 Temel Kavramlar. Veritabanı 1 1 Temel Kavramlar Veritabanı 1 Veri Saklama Gerekliliği Bilgisayarların ilk bulunduğu yıllardan itibaren veri saklama tüm kurum ve kuruluşlarda kullanılmaktadır. Veri saklamada kullanılan yöntemler; Geleneksel

Detaylı

ÖNDER BİLGİSAYAR KURSU. Microsoft Office Kursu Eğitim İçeriği

ÖNDER BİLGİSAYAR KURSU. Microsoft Office Kursu Eğitim İçeriği ÖNDER BİLGİSAYAR KURSU Microsoft Office Kursu Eğitim İçeriği Microsoft WORD 1. PENCERE ELEMANLARI VE GÖRÜNTÜLEME BİÇİMLERİ 1.1. Genel Bilgiler 1.2. Ekran Görünümleri 1.3. Metin Sınırları ve Basımda Çıkmayan

Detaylı

Veritabanı Tasarımı Ve Yönetimi. Varlık-İlişki Modeli

Veritabanı Tasarımı Ve Yönetimi. Varlık-İlişki Modeli Veritabanı Tasarımı Ve Yönetimi Varlık-İlişki Modeli Veritabanı Tasarım Aşamaları Gereksinim Analizi Kavramsal Tasarım Mantıksal Tasarım İlişkilerin Normalizasyonu Veritabanı Uyarlaması Uygulama Programı

Detaylı

Veri Ambarından Veri Madenciliğine

Veri Ambarından Veri Madenciliğine Veri Ambarından Veri Madenciliğine Yrd. Doç. Dr. Ömer Utku Erzengin 1, Uzman Emine Çetin Teke 2, İstatistikçi Nurzen Üzümcü 3 1 Süleyman Demirel Üniversitesi Fen Edebiyat Fakültesi İstatistik Bölümü 2

Detaylı

DOKUZ EYLÜL ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MÜDÜRLÜĞÜ DERS/MODÜL/BLOK TANITIM FORMU. Dersin Orjinal Adı: Pattern Recognition

DOKUZ EYLÜL ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MÜDÜRLÜĞÜ DERS/MODÜL/BLOK TANITIM FORMU. Dersin Orjinal Adı: Pattern Recognition Dersi Veren Birim: Fen Bilimleri Enstitüsü Dersin Türkçe Adı: Örüntü Tanıma Dersin Orjinal Adı: Pattern Recognition Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisansüstü Dersin Kodu: CSE

Detaylı

ÖZEL EGE İLKÖĞRETİM OKULU

ÖZEL EGE İLKÖĞRETİM OKULU ÖZEL EGE İLKÖĞRETİM OKULU 4.SINIF MATEMATİK DERSİ PROJESİ PROJE KONUSU : GRAFİKLER, KULLANIM ALANLARI VE GRAFİK UYGULAMALARI HAZIRLAYANLAR : Egem ERASLAN F.Sarper TEK Göktürk ERBAYSAL Mert KAHVECİ ÖNSÖZ

Detaylı

Çukurova Üniversitesi Lisans Öğrencilerine Düzenlenen Temel Bilgi Teknolojileri Kullanımı Dersinin Muafiyet Sınavı Üzerine Bir Çalışma

Çukurova Üniversitesi Lisans Öğrencilerine Düzenlenen Temel Bilgi Teknolojileri Kullanımı Dersinin Muafiyet Sınavı Üzerine Bir Çalışma Çukurova Üniversitesi Lisans Öğrencilerine Düzenlenen Temel Bilgi Teknolojileri Kullanımı Dersinin Muafiyet Sınavı Üzerine Bir Çalışma Murat KARA, Şemseddin KOÇAK, Esin ÜNAL, Erkan KAYNAK, Yoldaş ERDOĞAN,

Detaylı

Akdeniz Üniversitesi

Akdeniz Üniversitesi F. Ders Tanıtım Formu Dersin Adı Öğretim Dili Akdeniz Üniversitesi Bilgisayar II Türkçe Dersin Verildiği Düzey Ön Lisans ( ) Lisans (x) Yüksek Lisans( ) Eğitim Öğretim Sistemi Örgün Öğretim (x) Dersin

Detaylı

E-VT ELEKTRONİK VERİ TRANSFERİ UYGULAMASI KULLANIM KILAVUZU (TUIK A101)

E-VT ELEKTRONİK VERİ TRANSFERİ UYGULAMASI KULLANIM KILAVUZU (TUIK A101) E-VT ELEKTRONİK VERİ TRANSFERİ UYGULAMASI KULLANIM KILAVUZU (TUIK A101) LOGO YAZILIM SAN. VE TİC. A.Ş. GEBZE ORGANİZE SANAYİ BÖLGESİ TEKNOPARK NO:609 GEBZE 41480 KOCAELİ TURKEY T: +90 262 679 80 00 F:

Detaylı

Giyilebilir Teknolojiler ve Solar Enerjili Şapka Uygulaması

Giyilebilir Teknolojiler ve Solar Enerjili Şapka Uygulaması Giyilebilir Teknolojiler ve Solar Enerjili Şapka Uygulaması 1 Necip Fazıl Bilgin, 2 Bülent Çobanoğlu and 3 Fatih Çelik 2 Faculty of Technology, Department of Mechatronic Engineering, Sakarya University,

Detaylı

yönetimi vb. lisans ve yüksek lisans programlarındaki öğrenciler için kapsamlı bilgilenme imkânı sağlamaktadır.

yönetimi vb. lisans ve yüksek lisans programlarındaki öğrenciler için kapsamlı bilgilenme imkânı sağlamaktadır. Önsöz Günümüzde, hemen hemen her tür ve boyutta organizasyonda, görevleri proje olarak organize etmek yaygınlaşmıştır. Bunun en temel nedenlerinden biri çağdaş yönetim anlayışının hiyerarşik örgüt yapısından

Detaylı

Öğr.Gör.İnan ÜNAL Tunceli Üniversitesi Bilgisayar Mühendisliği Bölümü

Öğr.Gör.İnan ÜNAL Tunceli Üniversitesi Bilgisayar Mühendisliği Bölümü Öğr.Gör.İnan ÜNAL Tunceli Üniversitesi Bilgisayar Mühendisliği Bölümü Büyük miktardaki veriler içerisinden önemli olanlarını bulup çıkarmaya veri Madenciliği denir. Veri madenciliği bir sorgulama işlemi

Detaylı

Eğitimde Bilgisayar Uygulamaları

Eğitimde Bilgisayar Uygulamaları Eğitimde Bilgisayar Uygulamaları Bu Ders Çağdaş Eğitim Gereksinimleri Bilgisayarların Eğitime Girişi Bilgisayarların Eğitime Etkisi Öğrencinin ve Öğretmenin Değişen Rolü Eğitimde Bilgisayar Uygulamaları

Detaylı

İÇİNDEKİLER 5 BİLİŞİM TEKNOLOJİLERİ SERTİFİKA PROGRAMI HAKKINDA 6 SERTİFİKA PROGRAMININ AMACI 8 SERTİFİKA PROGRAMI EĞİTİM HARİTASI

İÇİNDEKİLER 5 BİLİŞİM TEKNOLOJİLERİ SERTİFİKA PROGRAMI HAKKINDA 6 SERTİFİKA PROGRAMININ AMACI 8 SERTİFİKA PROGRAMI EĞİTİM HARİTASI 5 BİLİŞİM TEKNOLOJİLERİ SERTİFİKA PROGRAMI HAKKINDA 6 SERTİFİKA PROGRAMININ AMACI 8 SERTİFİKA PROGRAMI EĞİTİM HARİTASI İÇİNDEKİLER 10 MICROSOFT OUTLOOK 2010 TEMEL e-öğrenme EĞİTİMİ 11 MICROSOFT WORD 2010

Detaylı

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Yazılım Mühendisliği BIL304 6 3+0 3 3

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Yazılım Mühendisliği BIL304 6 3+0 3 3 DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Yazılım Mühendisliği BIL304 6 3+0 3 3 Ön Koşul Dersleri Dersin Dili Dersin Seviyesi Dersin Türü Türkçe Lisans Zorunlu / Yüz Yüze Dersin

Detaylı

VERİ TABANI OLUŞTURULMASI VE WEB SAYFASININ HAZIRLANMASI (İP 6)

VERİ TABANI OLUŞTURULMASI VE WEB SAYFASININ HAZIRLANMASI (İP 6) VERİ TABANI OLUŞTURULMASI VE WEB SAYFASININ HAZIRLANMASI (İP 6) Bu iş paketi kapsamında, İP1, İP2 ve İP3 iş paketlerinden elde edilen bilgiler kullanılarak Coğrafi Bilgi Sistemi (CBS) destekli bir veri

Detaylı

DENEME SINAVI. ECDL BAŞLANGIÇ Hesap Tablosu

DENEME SINAVI. ECDL BAŞLANGIÇ Hesap Tablosu DENEME SINAVI ECDL BAŞLANGIÇ Hesap Tablosu 1. Hesap Çizelgesi (Microsoft Office - Excel) uygulamasını açınız. Başlat > Programlar > Microsoft Office > Microsoft Office Excel 2003 yolu izlenerek Excel programı

Detaylı

İklim verisi kullanıcılarının karşılaştığı zorluklar ve çözüm önerileri. Ömer Lütfi Şen, Ozan Mert Göktürk ve Hasan Nüzhet Dalfes

İklim verisi kullanıcılarının karşılaştığı zorluklar ve çözüm önerileri. Ömer Lütfi Şen, Ozan Mert Göktürk ve Hasan Nüzhet Dalfes İklim verisi kullanıcılarının karşılaştığı zorluklar ve çözüm önerileri Ömer Lütfi Şen, Ozan Mert Göktürk ve Hasan Nüzhet Dalfes İTÜ Avrasya Yer Bilimleri Enstitüsü İTÜ Avrasya Yer Bilimleri Enstitüsü

Detaylı

T.C. ŞIRNAK ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ. YAZ STAJI Yaz Staj Defteri. Hazırlayan :.. ŞIRNAK

T.C. ŞIRNAK ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ. YAZ STAJI Yaz Staj Defteri. Hazırlayan :.. ŞIRNAK T.C. ŞIRNAK ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ YAZ STAJI Yaz Staj Defteri Hazırlayan :.. ŞIRNAK T.C. ŞIRNAK ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ Yaz

Detaylı

Makine Öğrenmesi İle Duygu Analizinde Veri Seti Performansı

Makine Öğrenmesi İle Duygu Analizinde Veri Seti Performansı Makine Öğrenmesi İle Duygu Analizinde Veri Seti Performansı Hatice NİZAM İstanbul Üniversitesi Bilgisayar Mühendisliği Bölümü haticenizam@outlook.com Saliha Sıla AKIN ERS Turizm Yazılım Şirketi, Bilgisayar

Detaylı

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YILDIZ TEKNİK ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ 1982 yılında kurulan bölümümüz 1986 yılında ilk mezunlarını vermiştir 1300 1300 Lisans, 190 25 190 Yüksek Lisans, 25 Doktora 93 Bölüm kontenjanımız

Detaylı

FIRAT ÜNİVERSİTESİ SMS - WAP OTOMASYONU UNIVERSITY OF FIRAT SMS - WAP OUTOMASION

FIRAT ÜNİVERSİTESİ SMS - WAP OTOMASYONU UNIVERSITY OF FIRAT SMS - WAP OUTOMASION GAP V. Mühendislik Kongresi Bildiriler Kitabı, 26-28 Nisan 2006, Şanlıurfa. Proceedings of the Fifth GAP Engineering Congress, 26-28 April 2006, Şanlıurfa, Turkey. FIRAT ÜNİVERSİTESİ SMS - WAP OTOMASYONU

Detaylı

2014-2015 EĞİTİM-ÖĞRETİM YILI BİLİŞİM TEKNOLOJİLERİ VE YAZILIM DERSİ 6. SINIF 2. DÖNEM 2. SINAV ÇALIŞMA NOTLARI

2014-2015 EĞİTİM-ÖĞRETİM YILI BİLİŞİM TEKNOLOJİLERİ VE YAZILIM DERSİ 6. SINIF 2. DÖNEM 2. SINAV ÇALIŞMA NOTLARI 2014-2015 EĞİTİM-ÖĞRETİM YILI BİLİŞİM TEKNOLOJİLERİ VE YAZILIM DERSİ 6. SINIF 2. DÖNEM 2. SINAV ÇALIŞMA NOTLARI İşletim Sisteminde Yapılan Uygulamalar Bir Bilgisayarda Hangi İşletim Sistemi Yüklü Olduğunu

Detaylı

4447 Sayılı Kanunun Geçici 10.Maddesi Sigortalı Giriş Uygulaması Kullanım Kılavuzu

4447 Sayılı Kanunun Geçici 10.Maddesi Sigortalı Giriş Uygulaması Kullanım Kılavuzu 4447 Sayılı Kanunun Geçici 10.Maddesi Sigortalı Giriş Uygulaması Kullanım Kılavuzu 1. Uygulamaya Giriş E-Bildirge ekranına giriş yaptıktan sonra 4447/Geç.10.md. Sigortalı Giriş linkine tıklandığında uygulama

Detaylı

KAHKAHA TANIMA İÇİN RASSAL ORMANLAR

KAHKAHA TANIMA İÇİN RASSAL ORMANLAR KAHKAHA TANIMA İÇİN RASSAL ORMANLAR Heysem Kaya, A. Mehdi Erçetin, A. Ali Salah, S. Fikret Gürgen Bilgisayar Mühendisliği Bölümü Boğaziçi Üniversitesi / Istanbul Akademik Bilişim'14, Mersin, 05.02.2014

Detaylı

Yüksek Lisans/Üniversite Gazi Üniversitesi Bölüm Elektrik - Elektronik Mühendisliği Başlangıç / Bitiş Tarihi 2010/ 2010 Genel Not Ortalaması 4 / 4

Yüksek Lisans/Üniversite Gazi Üniversitesi Bölüm Elektrik - Elektronik Mühendisliği Başlangıç / Bitiş Tarihi 2010/ 2010 Genel Not Ortalaması 4 / 4 ÖZGEÇMİŞ BURCU YAKIŞIR GİRGİN Kişisel Bilgiler Uyruk T.C. T.C. No 20488871558 Cinsiyet Bayan Doğum Tarihi 08.12.1986 Doğum Yeri Erzincan Medeni Durum Evli Sağlık Problemi Yok Sürücü Belgesi / Tarih B Sınıfı

Detaylı

ÜAS DA SUNULAN BİLDİRİLER KAPSAMINDA İMALAT İŞLETMELERİNİN ÜRETİM SORUNLARINA BAKIŞI

ÜAS DA SUNULAN BİLDİRİLER KAPSAMINDA İMALAT İŞLETMELERİNİN ÜRETİM SORUNLARINA BAKIŞI V. Ulusal Üretim Araştırmaları Sempozyumu, İstanbul Ticaret Üniversitesi, 25-27 Kasım 2005 ÜAS DA SUNULAN BİLDİRİLER KAPSAMINDA İMALAT İŞLETMELERİNİN ÜRETİM SORUNLARINA BAKIŞI Halil SAVAŞ Pamukkale Üniversitesi

Detaylı

Microsoft Office Excel 2007

Microsoft Office Excel 2007 2014 Microsoft Office Excel 2007 Öğr. Gör. Serkan KORKMAZ Harran Üniversitesi Birecik Meslek Yüksekokulu İçindekiler MİCROSOFT OFFİCE EXCEL 2007... 4 EXCEL ORTAMINDA ÇALIŞMAK... 4 EXCEL ÇALIŞMA SAYFASI...

Detaylı

2. NORMALİZASYON. Normalizasyon, taslak veri tabanı üzerinde birtakım işlemler yapılarak taslağı son haline yaklaştırma yöntemidir.

2. NORMALİZASYON. Normalizasyon, taslak veri tabanı üzerinde birtakım işlemler yapılarak taslağı son haline yaklaştırma yöntemidir. 2. NORMALİZASYON İlişkisel veri tabanları tasarlanırken verilerin gereksiz tekrarını, bilgilerin kaybını önlemek amacıyla normalizasyon işlemi uygulanması gerekir. Normalizasyon işlemi uygulanarak da ilişkilerin

Detaylı

2015 Tercih Dönemi Üniversite Kontenjanları Analizi

2015 Tercih Dönemi Üniversite Kontenjanları Analizi Parlakbirgelecek.com Araştırma Serisi Yıl:3 Sayı:7 26 Haziran 2015 2015 Tercih Dönemi Üniversite Kontenjanları Analizi Üniversite Kontenjanlarındaki Artış*: 2015 yılında toplam kontenjan %1.8 artmıştır.

Detaylı

BENZETİM. Prof.Dr.Berna Dengiz

BENZETİM. Prof.Dr.Berna Dengiz Prof.Dr.Berna Dengiz 2. Ders Sistemin Performans.. Ölçütleri Sistem Türleri Benzetim Modelleri Statik veya Dinamik Deterministik ( belirli ) & Stokastik ( olasılıklı) Kesikli & Sürekli Sistemin Performans

Detaylı

MESLEK YÜKSEKOKULLARINA SINAVLI VE SINAVSIZ GEÇİŞ SİSTEMİ İLE YERLEŞEN ÖĞRENCİLERİN PERFORMANSLARININ KARŞILAŞTIRILMASI

MESLEK YÜKSEKOKULLARINA SINAVLI VE SINAVSIZ GEÇİŞ SİSTEMİ İLE YERLEŞEN ÖĞRENCİLERİN PERFORMANSLARININ KARŞILAŞTIRILMASI MESLEK YÜKSEKOKULLARINA SINAVLI VE SINAVSIZ GEÇİŞ SİSTEMİ İLE YERLEŞEN ÖĞRENCİLERİN PERFORMANSLARININ KARŞILAŞTIRILMASI PERFORMANCE COMPARASION OF VOCATIONAL SCHOOL STUDENTS ENROLLED VIA ENTRY EXAM AND

Detaylı

İŞ ETÜDÜ ÇALIŞMALARINA YÖNELİK ÖZGÜN BİR YAZILIM GELİŞTİRİLMESİ VE UYGULANMASI

İŞ ETÜDÜ ÇALIŞMALARINA YÖNELİK ÖZGÜN BİR YAZILIM GELİŞTİRİLMESİ VE UYGULANMASI YÖNEYLEM ARAŞTIRMASI VE ENDÜSTRİ MÜHENDİSLİĞİ 28. ULUSAL KONGRESİ İŞ ETÜDÜ ÇALIŞMALARINA YÖNELİK ÖZGÜN BİR YAZILIM GELİŞTİRİLMESİ VE UYGULANMASI Cengizhan Büyük Hava Harp Okulu Endüstri Mühendisliği Bölüm

Detaylı

Kütüphane Web Sayfası ve Kataloğu Kullanım Rehberi

Kütüphane Web Sayfası ve Kataloğu Kullanım Rehberi Kütüphane Web Sayfası ve Kataloğu Kullanım Rehberi Bu rehber Sakarya Üniversitesi Kütüphanesi tarafından hazırlanmıştır. 1 WEB SAYFASI GENEL BİLGİLERİ BELGELER; Kitap Talepleri İle İlgili Belgeler Bulunmaktadır.

Detaylı

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. Ders Saati (T+U+L) Kredi AKTS PROGRAMLAMA BG-213 2/1 2+0+2 2+1 5 Dersin Dili : TÜRKÇE Dersin Seviyesi : LİSANS

Detaylı

Bilgisayar Mühendisliği Bölümü

Bilgisayar Mühendisliği Bölümü Gebze Yüksek Teknoloji Enstitüsü Bilgisayar Mühendisliği Bölümü Tanıtım Gösterisi 1 İçerik 1. Üniversitemiz 2. Bilgisayar Mühendisliği 3. Bölümümüz 4. Son Sözler 2 Üniversitemiz 3 1. Teknoloji Enstitüsü

Detaylı

MİCROSOFT EXCEL PROGRAMI DERS NOTLARI

MİCROSOFT EXCEL PROGRAMI DERS NOTLARI MİCROSOFT EXCEL PROGRAMI DERS NOTLARI ( 6. sınıflar için hazırlanmıştır. ) Fevzi Başal Bilişim Teknolojileri Öğretmeni İçindekiler 1. KAVRAMLAR... 1 2. DOSYA İŞLEMLERİ... 2 3. EXCEL DE KULLANILAN FARE

Detaylı

TARBİL Kapsamında Uydu ve Yersel Veri Tespit, Kayıtçı İşlem Yönetim Sistemi Geliştirilmesi

TARBİL Kapsamında Uydu ve Yersel Veri Tespit, Kayıtçı İşlem Yönetim Sistemi Geliştirilmesi TARBİL Kapsamında Uydu ve Yersel Veri Tespit, Kayıtçı İşlem Yönetim Sistemi Geliştirilmesi Kurum Adı : İstanbul Teknik Üniversitesi Bilimsel Araştırma Projeleri Birimi Proje Durumu : Tamamlandı. Projenin

Detaylı

Fırat Üniversitesi Personel Otomasyonu

Fırat Üniversitesi Personel Otomasyonu Fırat Üniversitesi Personel Otomasyonu Fırat Üniversitesi, Enformatik Bölümü, 23119, Elazığ fatihtalu@firat.edu.tr, rdas@firat.edu.tr Özet: Bu çalışmada, Fırat Üniversitesi Personel Daire Başkanlığı için

Detaylı

ELEKTRONİK ÇİZELGE. Hücreleri Biçimlendirme. Formülleri Kullanma. Verileri Sıralama. Grafik Oluşturma 1) HÜCRELERİ BİÇİMLENDİRME

ELEKTRONİK ÇİZELGE. Hücreleri Biçimlendirme. Formülleri Kullanma. Verileri Sıralama. Grafik Oluşturma 1) HÜCRELERİ BİÇİMLENDİRME Hücreleri Biçimlendirme ELEKTRONİK ÇİZELGE Formülleri Kullanma Verileri Sıralama Grafik Oluşturma 1) HÜCRELERİ BİÇİMLENDİRME Elektronik Çizelge de sayıları; bin ayracı, yüzde oranı, tarih/saat ve para

Detaylı

Şekil 1. DEÜ Test Asansörü kuyusu.

Şekil 1. DEÜ Test Asansörü kuyusu. DOKUZ EYLÜL ÜNĐVERSĐTESĐ TEST ASANSÖRÜ KUYUSUNUN DEPREM YÜKLERĐ ETKĐSĐ ALTINDAKĐ DĐNAMĐK DAVRANIŞININ ĐNCELENMESĐ Zeki Kıral ve Binnur Gören Kıral Dokuz Eylül Üniversitesi, Mühendislik Fakültesi, Makine

Detaylı

EĞİTİM FAKÜLTESİ ÖĞRENCİLERİNİN ÖĞRETMENLİK MESLEK BİLGİSİ DERSLERİNE YÖNELİK TUTUMLARI Filiz ÇETİN 1

EĞİTİM FAKÜLTESİ ÖĞRENCİLERİNİN ÖĞRETMENLİK MESLEK BİLGİSİ DERSLERİNE YÖNELİK TUTUMLARI Filiz ÇETİN 1 58 2009 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:25, s.58-64 ÖZET EĞİTİM FAKÜLTESİ ÖĞRENCİLERİNİN ÖĞRETMENLİK MESLEK BİLGİSİ DERSLERİNE YÖNELİK TUTUMLARI Filiz ÇETİN 1 Bu çalışmanın

Detaylı

FIRAT ÜNİVERSİTESİ PERSONEL OTOMASYONU

FIRAT ÜNİVERSİTESİ PERSONEL OTOMASYONU FIRAT ÜNİVERSİTESİ PERSONEL OTOMASYONU M. Fatih TALU*, Resul DAŞ* (*) Fırat Üniversitesi, Enformatik Bölümü, 23119, ELAZIĞ fatihtalu@firat.edu.tr, rdas@firat.edu.tr ÖZET Bu çalışmada, Fırat Üniversitesi

Detaylı

T.C. FIRAT ÜNİVERSİTESİ TEKNOLOJİ FAKÜLTESİ ENERJİ SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİ STAJ YÖNERGESİ

T.C. FIRAT ÜNİVERSİTESİ TEKNOLOJİ FAKÜLTESİ ENERJİ SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİ STAJ YÖNERGESİ T.C. FIRAT ÜNİVERSİTESİ TEKNOLOJİ FAKÜLTESİ ENERJİ SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİ STAJ YÖNERGESİ 1- Staj Başlangıcı: Fırat Üniversitesi Enerji Sistemleri Mühendisliği Bölümü öğrencileri, zorunlu

Detaylı

Veritabanı, Veri Madenciliği, Veri Ambarı, Veri Pazarı

Veritabanı, Veri Madenciliği, Veri Ambarı, Veri Pazarı Veritabanı, Veri Madenciliği, Veri Ambarı, Veri Pazarı Başkent Üniversitesi Bilgisayar Mühendisliği Yönetim Bilişim Sistemleri (Bil 483) 20394676 - Ümit Burak USGURLU Veritabanı Veri tabanı düzenli bilgiler

Detaylı

ENERJİ SİSTEMLERİ MÜHENDİSLİĞİ PROF. DR. EMİN TACER BAHÇEŞEHİR ÜNİVERSİTESİ

ENERJİ SİSTEMLERİ MÜHENDİSLİĞİ PROF. DR. EMİN TACER BAHÇEŞEHİR ÜNİVERSİTESİ ENERJİ SİSTEMLERİ MÜHENDİSLİĞİ PROF. DR. EMİN TACER BAHÇEŞEHİR ÜNİVERSİTESİ 1 Ekonomik - Sosyal - Teknolojik - Politik Ekolojik DÜNYA Siyasi ve Ekonomik Birliktelik Çok Uluslu Şirketler Uluslararsı Sivil

Detaylı

SÖZLEŞMELİ SUBAY BAŞVURU İŞLEMLERİ

SÖZLEŞMELİ SUBAY BAŞVURU İŞLEMLERİ SÖZLEŞMELİ SUBAY BAŞVURU İŞLEMLERİ BAŞVURU İŞLEMLERİNE GİRİŞ Başvurunuzu yazıcıya bağlı bir bilgisayardan yapınız. Başvuru işlemleri için www.jandarma.tsk.tr internet adresinden Personel / Öğrenci Alımı

Detaylı

Yüksek Lisans/Üniversite Gazi Üniversitesi Bölüm Elektrik - Elektronik Mühendisliği Başlangıç / Bitiş Tarihi 2010/ 2010 Genel Not Ortalaması 4 / 4

Yüksek Lisans/Üniversite Gazi Üniversitesi Bölüm Elektrik - Elektronik Mühendisliği Başlangıç / Bitiş Tarihi 2010/ 2010 Genel Not Ortalaması 4 / 4 ÖZGEÇMİŞ BURCU YAKIŞIR GİRGİN Kişisel Bilgiler Doğum Tarihi 08.12.1986 Doğum Yeri Erzincan Medeni Durum İletişim Bilgileri Evli E-posta bygirgin@ankara.edu.tr Eğitim Yüksek Lisans/Üniversite Çankaya Üniversitesi

Detaylı

VERİ MADENCİLİĞİ VE SOSYAL AĞ ANALİZİ ARAŞTIRMA LABORATUVARI

VERİ MADENCİLİĞİ VE SOSYAL AĞ ANALİZİ ARAŞTIRMA LABORATUVARI BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ VERİ MADENCİLİĞİ VE SOSYAL AĞ ANALİZİ ARAŞTIRMA LABORATUVARI 10 Aralık 2011, Cumartesi Fen ve Mühendislik Alanlarındaki Çeşitli Araştırma Projelerinden Örneklemeler İçerik

Detaylı